[论文解读] On Game-Theoretic Risk Management (Part Three) - Modeling and Applications

Stefan Raß|arXiv (Cornell University)|Nov 2, 2017

Complex Systems and Decision Making参考文献 15被引用 3

一句话总结

本文提出了一种基于博弈论的风险管理框架，通过使用概率分布而非点估计来建模风险，实现了由专家驱动、匿名且分布式的风险评估。通过将损失模型与纳什均衡分析整合进ISO 27000风险管理体系，该框架支持系统化的风险优先级排序与韧性优化，尤其适用于高级持续性威胁和社交工程攻击。

ABSTRACT

The game-theoretic risk management framework put forth in the precursor reports "Towards a Theory of Games with Payoffs that are Probability-Distributions" (arXiv:1506.07368 [q-fin.EC]) and "Algorithms to Compute Nash-Equilibria in Games with Distributions as Payoffs" (arXiv:1511.08591v1 [q-fin.EC]) is herein concluded by discussing how to integrate the previously developed theory into risk management processes. To this end, we discuss how loss models (primarily but not exclusively non-parametric) can be constructed from data. Furthermore, hints are given on how a meaningful game theoretic model can be set up, and how it can be used in various stages of the ISO 27000 risk management process. Examples related to advanced persistent threats and social engineering are given. We conclude by a discussion on the meaning and practical use of (mixed) Nash equilibria equilibria for risk management.

研究动机与目标

• 解决传统风险管理方法的局限性，这些方法依赖于共识驱动的单一数值风险评估以及面对面的专家会议。
• 开发一种方法，通过将风险建模为概率分布来保留所有专家意见，避免在聚合过程中造成信息损失。
• 实现博弈论风险模型在ISO 27000风险管理体系生命周期中的实际集成，涵盖风险评估、优先级排序与处理。
• 通过使用抽象标识符（如T1、C1）对威胁和对策进行匿名化，支持隐私保护型风险评估，从而支持第三方服务使用。
• 提供一种决策框架，确保在整个风险分析过程中保留完全的不确定性与专家判断，避免强制达成共识。

提出的方法

• 使用带宽参数的核密度估计构建非参数损失模型，以表示专家在风险评估中的不确定性和变异性。
• 采用匿名、异步、个体专家调查方式收集分布式风险评估数据，减少社会偏见并提升数据质量。
• 应用随机序与率比检验（例如R中的rateratio.test）来验证和确认风险模型的统计稳健性。
• 将博弈论模型整合进ISO 27000流程，将威胁-对策对映射为具有分布收益的矩阵博弈。
• 采用混合纳什均衡识别最优防御与攻击策略，重点在于最小化最坏情况下的风险暴露。
• 通过Web服务支持软件部署，使用抽象的威胁与对策标签（T1、C1）保护组织机密性。

实验结果

研究问题

• RQ1 如何通过概率分布建模风险评估，以保留专家的不确定性并避免共识驱动的简化？
• RQ2 博弈论模型与分布收益如何整合进ISO 27000风险管理体系的生命周期？
• RQ3 如何设计专家调查以收集分布式风险评估数据，同时最小化偏见并最大化数据质量？
• RQ4 混合纳什均衡在指导风险处理与基础设施韧性决策方面具有何种实际价值？
• RQ5 该方法如何作为安全、隐私保护的Web服务进行部署，而无需暴露敏感的威胁或对策信息？

主要发现

• 该方法通过将所有专家意见保留为概率分布，避免了共识问题，确保聚合过程中无信息丢失。
• 异步且匿名的专家调查可减少社会影响，提升数据质量，并使外部利益相关者（如客户）能够参与。
• 使用可调带宽的核密度估计，使专家能够表达风险评估中的不确定性与模糊性，包括对多种可能结果发生概率的判断。
• 该框架可通过为多个损害等级分配概率，实现对联合威胁情景的建模，即使聚焦于主要威胁亦可实现。
• 博弈论均衡为风险处理提供了稳健基础，可识别出最小化最坏情况风险暴露的最优防御策略。
• 该方法支持通过Web服务安全外包风险建模，因为威胁与对策可使用抽象标签匿名化，同时不损害模型的可解性。